聚类实例-probability and statistics for computer science 无水印原版pdf

【文件属性】：
文件名称：聚类实例-probability and statistics for computer science 无水印原版pdf
文件大小：1.28MB
文件格式：PDF
更新时间：2021-06-13 06:35:19
hadoop spark java hive hbase 1.1 聚类实例 1.1.1 算法说明 聚类（Cluster analysis）有时也被翻译为簇类，其核心任务是：将一组目标 object 划分为 若干个簇，每个簇之间的 object 尽可能相似，簇与簇之间的 object 尽可能相异。聚类算法是机 器学习（或者说是数据挖掘更合适）中重要的一部分，除了最为简单的 K-Means 聚类算法外， 比较常见的还有层次法（CURE、CHAMELEON 等）、网格算法（STING、WaveCluster 等），等 等。 较权威的聚类问题定义：所谓聚类问题，就是给定一个元素集合 D，其中每个元素具有 n 个 可观察属性，使用某种算法将 D 划分成 k 个子集，要求每个子集内部的元素之间相异度尽可能低， 而不同子集的元素相异度尽可能高。其中每个子集叫做一个簇。 K-means 聚类属于无监督学习，以往的回归、朴素贝叶斯、SVM 等都是有类别标签 y 的， 也就是说样例中已经给出了样例的分类。而聚类的样本中却没有给定 y，只有特征 x，比如假设宇 宙中的星星可以表示成三维空间中的点集 。聚类的目的是找到每个样本 x 潜在的类别 y，并 将同类别 y 的样本 x 放在一起。比如上面的星星，聚类后结果是一个个星团，星团里面的点相互 距离比较近，星团间的星星距离就比较远了。 与分类不同，分类是示例式学习，要求分类前明确各个类别，并断言每个元素映射到一个类 别。而聚类是观察式学习，在聚类前可以不知道类别甚至不给定类别数量，是无监督学习的一种。 目前聚类广泛应用于统计学、生物学、数据库技术和市场营销等领域，相应的算法也非常多。 1.1.2 实例介绍 在该实例中将介绍 K-Means 算法，K-Means 属于基于平方误差的迭代重分配聚类算法，其 核心思想十分简单：  随机选择 K 个中心点；  计算所有点到这 K 个中心点的距离，选择距离最近的中心点为其所在的簇；  简单地采用算术平均数（mean）来重新计算 K 个簇的中心；